伞齿轮减速机状态监测与故障诊断采用了多种信号处理方法进行,包括基于机械振动信号的时域分析技术、频谱分析技术、小波及小波包时频分析技术的信号处理方法,神经网络技术的模式分类方法。从K系列减速机时域分析的角度对故障锥齿轮减速机进行有效的状态监测,从频谱分析到小波理论对故障减速机进行故障特征信息的提取,结合小波变换及小波包分解能有效地对含噪声振动信号进行消噪以及对信号进行多分辨分析的优势,从中提取它们各自的有效频段,得到典型的特征参量,将伞齿轮减速机特征参量与统计学、神经网络的优势相结合,根据所研究对象工作类型的特殊性来判别故障的类型,尽早的发现故障征兆,予以排除。结合诊断实例证明,以上方法能够很好的对故障K系列减速机进行状态监测和故障诊断。
包括由于受载情况下产生的齿形偏差和由加工误差和疲劳磨损所导致的伞齿轮减速电机几何误差产生的。伞齿轮减速机齿轮的偏斜在受载情况下会产生类似于步进特性的信号波,这是由于在不同齿间载荷的分配的周期性弹性矢量引起的。这种信号周期性的步进特点使得在齿轮的啮合频率和其谐波处出现振动成分。K系列减速机这类振动可以出现在任何齿轮上,但幅值对于载荷来说是相对独立的。伞齿轮减速机齿廓的修改经常用于减小振动水平,当K系列减速机齿轮在特定载荷下受载的时候。这种补偿方式只能用于设计载荷,高于或低于设计载荷都可产生比设计载荷时产生的振动幅值更大的振动。正因为此,通过一次所受载荷预测期望振动特性是不太可能的。因此K系列减速电机可以对大多数的轮齿进行识别,误差的存在使得其在齿轮的啮合频率处及啮合频率的谐波处产生振动,同时可变的误差不能识别每一个齿轮。http://www.vemte.com/Products/k57jiansuji.html